第2章 Reach指标定义与量化方法：用户触达范围、数据来源、量化示例、常见误区

Reach指标衡量在特定时间窗口内，至少被活动、内容或产品触达一次的独立用户数。它是RICE优先级框架中量化“触达规模”的核心因子。本章按照SOP标准流程，完整定义Reach指标的量化方法，涵盖适用场景、前置条件、操作步骤、输入输出物、责任边界、记录材料、异常处理与验收标准。

2.1 适用场景

• 评估大规模拉新活动的用户覆盖广度
• 比较不同推广渠道的独立触达效率
• 在A/B测试中量化实验组的受众规模
• 为漏斗分析提供分母（总触达用户）
• 资源规划时估算功能上线的潜在影响人数

2.2 前置条件

• 已定义明确的触达事件（如曝光、推送、展示）
• 用户唯一标识（Device ID、User ID）已统一且可去重
• 时间窗口（日、周、月）已确定
• 渠道来源标签已埋入事件属性
• 数据采集日志延迟小于可接受阈值（如≤2小时）

2.3 操作步骤

1. 确定时间窗口与触达事件：例如2025-01-01至2025-01-07，触达事件为“push_delivered”。
2. 提取原始日志：从埋点平台或数据库拉取指定时间窗口内所有触达事件记录。
3. 数据清洗：过滤异常数据（空user_id、重复日志、时间戳异常），合并跨设备标识。
4. 用户去重：按用户唯一标识（user_id）去重，保留首次触达时间。示例SQL：

SELECT
  COUNT(DISTINCT user_id) AS reach
FROM push_delivery_log
WHERE event_date BETWEEN '2025-01-01' AND '2025-01-07'
  AND event_name = 'push_delivered';

5. 渠道维度聚合：按渠道来源分组统计独立用户数。
6. 总Reach计算：对所有渠道的独立用户做并集去重，得到总触达用户数。
7. 量化示例：某Push活动，7天内共发送100万次，去重后独立用户30万，则Reach=300,000。

2.4 输入输出物

类型	内容	样例
输入	用户行为日志、渠道映射表、时间窗口定义	click_log表、channel_dim.csv
输出	Reach汇总表、每日Reach趋势、渠道Reach分布	reach_daily.csv, reach_by_channel.csv

2.5 责任边界

• 产品经理：定义Reach口径（包含哪些触达事件、去重方式）
• 数据分析师：提取数据、执行去重计算、输出Reach报表
• 数据工程师：保障日志采集完整性、维护用户标识一致性
• 业务方：确认时间窗口与渠道分类，审阅Reach数据合理性

2.6 记录材料

• SQL脚本（含去重逻辑，如上述示例）
• 数据血缘文档（记录原始表、中间表、最终表）
• Reach指标版本记录（口径变更日志）
• 异常数据处理记录（如设备ID合并、重复事件剔除）

2.7 异常处理与常见误区

误区/异常	说明	处理方案
将事件次数等同于用户数	未去重导致Reach虚高	强制使用COUNT(DISTINCT user_id)
跨设备用户重复计数	缺少Device ID合并策略	建立设备关联表，使用统一用户ID
时间窗口边界定义模糊	不同团队口径不一致	统一采用UTC+8自然日，明确起止时间
用户ID为空或异常	降级使用设备ID或Cookie ID	记录空ID率，在报表中标注
日志延迟到达	部分事件在截止时间后上报	设置截止时间（如T+1），延迟数据归入下一周期

2.8 验收标准

验收项目	标准
去重逻辑正确性	与第三方系统（如Adjust/AppsFlyer）对比，偏差≤5%
口径一致性	各团队（产品、运营、数据）对Reach定义理解一致，并形成书面文档
输出物完整性	包含总Reach、分渠道Reach、日趋势数据，CSV文件字段完整
异常标记	数据质量异常（如空ID率>1%、渠道标签缺失率>2%）在报表中有注释